Question

我正在尝试使用cox模型来预测一段时间后失败的概率（名为stop）3。

bladder1 <- bladder[bladder$enum < 5, ] 
coxmodel = coxph(Surv(stop, event) ~ (rx + size + number)  + 
        cluster(id), bladder1)
range(predict(coxmodel, bladder1, type = "lp"))
range(predict(coxmodel, bladder1, type = "risk"))
range(predict(coxmodel, bladder1, type = "terms"))
range(predict(coxmodel, bladder1, type = "expected"))

但是，预测函数的输出都不在0-1范围内。是否有任何功能或如何使用lp预测和基线危险函数来计算概率？

Answer 1

请阅读predict.coxph的帮助页面。这些都不应该是概率。特定协变量集的线性预测因子是相对于假设（并且很可能不存在）情况的对数危险比，其具有所有预测值的均值。＆＃39;期待＆＃39;最接近概率，因为它是预测的事件数，但它需要指定时间，然后除以观察开始时的风险数。

对于predict帮助页面上提供的示例，您可以看到预测事件的总和接近实际数字：

> sum(predict(fit,type="expected"), na.rm=TRUE)
[1] 163

> sum(lung$status==2)
[1] 165

我怀疑你可能想要使用survfit函数，因为事件的概率是1概率的生存。

?survfit.coxph

此处显示类似问题的代码：Adding column of predicted Hazard Ratio to dataframe after Cox Regression in R

由于你建议使用膀胱1数据集，那么这将是时间= 5的规范的代码

 summary(survfit(coxmodel), time=5)
#------------------
Call: survfit(formula = coxmodel)

 time n.risk n.event survival std.err lower 95% CI upper 95% CI
    5    302      26    0.928  0.0141        0.901        0.956

这将作为列表返回，生存预测为名为$surv的列表元素：

> str(summary(survfit(coxmodel), time=5))
List of 14
 $ n       : int 340
 $ time    : num 5
 $ n.risk  : num 302
 $ n.event : num 26
 $ conf.int: num 0.95
 $ type    : chr "right"
 $ table   : Named num [1:7] 340 340 340 112 NA 51 NA
  ..- attr(*, "names")= chr [1:7] "records" "n.max" "n.start" "events" ...
 $ n.censor: num 19
 $ surv    : num 0.928
 $ std.err : num 0.0141
 $ lower   : num 0.901
 $ upper   : num 0.956
 $ cumhaz  : num 0.0744
 $ call    : language survfit(formula = coxmodel)
 - attr(*, "class")= chr "summary.survfit"
> summary(survfit(coxmodel), time=5)$surv
[1] 0.9282944

从Cox PH模型预测概率

1 个答案: